1. 總覽
在急於建構生成式 AI 應用程式時，我們往往會忘記最重要的元件：安全性。
假設您要建構人力資源聊天機器人，您希望 AI 能夠回答「我的薪水是多少？」或「我的團隊表現如何？」等問題。
- 如果愛麗絲 (一般員工) 提出要求，她應該只會看到自己的資料。
- 如果小明 (經理) 提出要求，他應該會看到自己團隊的資料。
問題
大多數 RAG (檢索增強生成) 架構都會嘗試在應用程式層中處理這項問題。他們會在擷取區塊後進行篩選，或是仰賴 LLM「表現」。這很脆弱。如果應用程式邏輯失敗，就會發生資料外洩。
解決方法
將安全性下推至「資料庫層」。在 AlloyDB 中使用 PostgreSQL 資料列層級安全性 (RLS)，可確保資料庫實際拒絕傳回使用者無權查看的資料，無論 AI 要求什麼。
在本指南中，我們將建構「私人保險箱」：這項安全的人資助理會根據登入者身分動態變更回覆內容。
架構
我們不會在 Python 中建構複雜的權限邏輯。我們使用的是資料庫引擎本身。
- 介面：模擬登入的簡單 Streamlit 應用程式。
- 大腦：AlloyDB AI (與 PostgreSQL 相容)。
- 運作機制：我們會在每筆交易開始時設定工作階段變數 (
app.active_user)。資料庫政策會自動檢查user_roles資料表 (做為身分識別提供者)，以篩選資料列。
建構項目
安全的人資助理應用程式。您不必依賴應用程式邏輯來篩選機密資料，而是直接在 AlloyDB 資料庫引擎中實作資料列層級安全性 (RLS)。這樣一來，即使 AI 模型「產生幻覺」或嘗試存取未經授權的資料，資料庫也會拒絕傳回資料。
課程內容
您將學會：
- 如何設計 RLS 的結構定義 (區分資料與身分)。
- 如何編寫 PostgreSQL 政策 (
CREATE POLICY)。 - 如何使用
FORCE ROW LEVEL SECURITY略過「資料表擁有者」豁免。 - 如何建構 Python 應用程式，為使用者執行「情境切換」。
需求條件
2. 事前準備
建立專案
- 在 Google Cloud 控制台的專案選取器頁面中，選取或建立 Google Cloud 專案。
- 確認 Cloud 專案已啟用計費功能。瞭解如何檢查專案是否已啟用計費功能。
- 您將使用 Cloud Shell，這是 Google Cloud 中執行的指令列環境。點選 Google Cloud 控制台頂端的「啟用 Cloud Shell」。
- 連線至 Cloud Shell 後，請使用下列指令確認您已通過驗證，且專案已設為您的專案 ID：
gcloud auth list
- 在 Cloud Shell 中執行下列指令，確認 gcloud 指令知道您的專案。
gcloud config list project
- 如果未設定專案，請使用下列指令來設定：
gcloud config set project <YOUR_PROJECT_ID>
- 啟用必要的 API：按照這個連結啟用 API。
或者，您也可以使用 gcloud 指令執行這項操作。如要瞭解 gcloud 指令和用法，請參閱說明文件。
gcloud services enable \
alloydb.googleapis.com \
compute.googleapis.com \
cloudresourcemanager.googleapis.com \
servicenetworking.googleapis.com \
aiplatform.googleapis.com
常見錯誤與疑難排解
「幽靈專案」 症候群 | 您執行了 |
帳單 路障 | 您已啟用專案，但忘記帳單帳戶。AlloyDB 是高效能引擎，如果「油箱」(帳單) 空了，就無法啟動。 |
API 傳播 延遲 | 您點選了「啟用 API」，但指令列仍顯示 |
配額 Quags | 如果您使用全新的試用帳戶，可能會達到 AlloyDB 執行個體的區域配額。如果 |
3. 資料庫設定
在本實驗室中，我們會使用 AlloyDB 做為測試資料的資料庫。並使用「叢集」保存所有資源，例如資料庫和記錄檔。每個叢集都有一個「主要執行個體」，可做為資料的存取點。資料表會保存實際資料。
我們來建立 AlloyDB 叢集、執行個體和資料表，以便載入測試資料集。
- 按一下按鈕，或將下方連結複製到已登入 Google Cloud 控制台使用者的瀏覽器。
- 完成這個步驟後，存放區就會複製到本機 Cloud Shell 編輯器，您也可以從專案資料夾執行下列指令 (請務必確認您位於專案目錄中)：
sh run.sh
- 現在請使用 UI (按一下終端機中的連結，或按一下終端機中的「preview on web」連結)。
- 輸入專案 ID、叢集和執行個體名稱的詳細資料，即可開始使用。
- 在記錄捲動時去買杯咖啡吧！如要瞭解系統在幕後如何執行這項操作，請參閱這篇文章。這個過程大約需要 10 到 15 分鐘。
常見錯誤與疑難排解
「耐心」問題 | 資料庫叢集是龐大的基礎架構，如果因為「看起來卡住」而重新整理頁面或終止 Cloud Shell 工作階段，您可能會得到「虛擬」執行個體，這類執行個體已部分佈建，但必須手動介入才能刪除。 |
區域不符 | 如果您在 |
殭屍叢集 | 如果您先前使用過相同名稱的叢集，但未刪除，指令碼可能會顯示叢集名稱已存在。叢集名稱在專案內不得重複。 |
Cloud Shell 超時 | 如果咖啡休息時間為 30 分鐘，Cloud Shell 可能會進入休眠狀態，並中斷 |
4. 結構定義佈建
本步驟將涵蓋下列內容：
詳細步驟如下：
AlloyDB 叢集和執行個體啟動後，請前往 AlloyDB Studio SQL 編輯器啟用 AI 擴充功能，並佈建結構定義。
您可能需要等待執行個體建立完成。完成後，請使用建立叢集時建立的憑證登入 AlloyDB。使用下列資料向 PostgreSQL 進行驗證：
- 使用者名稱：「
postgres」 - 資料庫：「
postgres」 - 密碼：「
alloydb」(或您在建立時設定的密碼)
成功驗證 AlloyDB Studio 後，即可在編輯器中輸入 SQL 指令。如要新增多個編輯器視窗，請按一下最後一個視窗右側的加號。
您會在編輯器視窗中輸入 AlloyDB 指令，並視需要使用「執行」、「格式化」和「清除」選項。
建立資料表
我們需要兩個資料表：一個用於機密資料 (員工)，另一個用於身分識別規則 (user_roles)。請務必將兩者分開，以免政策發生「無限遞迴」錯誤。
您可以在 AlloyDB Studio 中使用下列 DDL 陳述式建立資料表：
-- 1. Create User Roles (The Identity Provider)
CREATE TABLE user_roles (
username TEXT PRIMARY KEY,
role TEXT -- 'employee', 'manager', 'admin'
);
INSERT INTO user_roles (username, role) VALUES
('Alice', 'employee'),
('Bob', 'manager'),
('Charlie', 'employee');
-- 2. Create the Data Table
CREATE TABLE employees (
id SERIAL PRIMARY KEY,
name TEXT,
salary INTEGER,
performance_review TEXT
);
INSERT INTO employees (name, salary, performance_review) VALUES
('Alice', 80000, 'Alice meets expectations but needs to improve punctuality.'),
('Bob', 120000, 'Bob is a strong leader. Team morale is high.'),
('Charlie', 85000, 'Charlie exceeds expectations. Ready for promotion.');
常見錯誤與疑難排解
在員工資料表中定義角色時，系統偵測到無限遞迴 | 失敗原因：如果政策內容為「請檢查員工表格，確認我是否為管理員」，資料庫就必須查詢表格來檢查政策，這會再次觸發政策。結果：偵測到無限遞迴。修正方式：請一律保留個別的查閱表格 (user_roles)，或使用實際的資料庫使用者來擔任角色。 |
驗證資料：
SELECT count(*) FROM employees;
-- Output: 3
5. 啟用及強制執行安全性
現在開啟防護功能。我們也會建立 Python 程式碼用來連線的通用「應用程式使用者」。
從 AlloyDB 查詢編輯器執行下列 SQL 陳述式：
-- 1. Activate RLS
ALTER TABLE employees ENABLE ROW LEVEL SECURITY;
-- 2. CRITICAL: Force RLS for Table Owners
ALTER TABLE employees FORCE ROW LEVEL SECURITY;
-- 3. Create the Application User
DO
$do$
BEGIN
IF NOT EXISTS (SELECT FROM pg_catalog.pg_roles WHERE rolname = 'app_user') THEN
CREATE ROLE app_user LOGIN PASSWORD 'password';
END IF;
END
$do$;
-- 4. Grant Access
GRANT SELECT ON employees TO app_user;
GRANT SELECT ON user_roles TO app_user;
常見錯誤與疑難排解
以 postgres (超級使用者) 進行測試，並查看所有資料。 | 失敗原因： 根據預設，RLS 不適用於資料表擁有者或超級使用者。這會略過所有政策。疑難排解：如果政策似乎「失效」(允許所有內容)，請檢查您是否以 |
6. 建立存取權政策
我們將使用稍後從應用程式碼設定的工作階段變數 (app.active_user)，定義兩項規則。
從 AlloyDB 查詢編輯器執行下列 SQL 陳述式：
-- Policy 1: Self-View
-- Users can see rows where their name matches the session variable
CREATE POLICY "view_own_data" ON employees
FOR SELECT
USING (name = current_setting('app.active_user', true));
-- Policy 2: Manager-View
-- Managers can see ALL rows.
CREATE POLICY "manager_view_all" ON employees
FOR SELECT
USING (
EXISTS (
SELECT 1 FROM user_roles
WHERE username = current_setting('app.active_user', true)
AND role = 'manager'
)
);
常見錯誤與疑難排解
使用 current_user 而非 app.active_user。 | 問題： Current_user 是保留的 SQL 關鍵字，會傳回資料庫角色 (例如 app_user)。我們需要應用程式使用者 (例如Alice)。修正方式：一律使用自訂命名空間，例如 app.variable_name。 |
忘記在 | 問題：如果未設定變數，查詢會因錯誤而當機。修正方式：current_setting('...', true) 會傳回 NULL，而非當機，因此安全地傳回 0 個資料列。 |
7. 建構「Chameleon」應用程式
我們將使用 Python 和 Streamlit 模擬應用程式邏輯。
在編輯器模式中開啟 Cloud Shell 終端機，然後前往根資料夾或要建立這個應用程式的目錄。建立新資料夾。
1. 安裝依附元件：
在 Cloud Shell 終端機中從新專案目錄內執行下列指令：
pip install streamlit psycopg2-binary
2. 建立 app.py：
建立名為 app.py 的新檔案，並複製存放區檔案的內容。
import streamlit as st
import psycopg2
# CONFIGURATION (Replace with your IP)
DB_HOST = "10.x.x.x"
DB_NAME = "postgres"
DB_USER = "postgres"
DB_PASS = "alloydb"
def get_db_connection():
return psycopg2.connect(
host=DB_HOST, database=DB_NAME, user=DB_USER, password=DB_PASS
)
def query_database(user_name):
conn = get_db_connection()
try:
with conn.cursor() as cur:
# THE SECURITY HANDSHAKE
# We tell the database: "For this transaction, I am acting as..."
cur.execute(f"SET app.active_user = '{user_name}';")
# THE BLIND QUERY
# We ask for EVERYTHING. The database silently filters it.
cur.execute("SELECT name, role, salary, performance_review FROM employees;")
return cur.fetchall()
finally:
conn.close()
# UI
st.title("🛡️ The Private Vault")
user = st.sidebar.radio("Act as User:", ["Alice", "Bob", "Charlie", "Eve"])
if st.button("Access Data"):
results = query_database(user)
if not results:
st.error("🚫 Access Denied.")
else:
st.success(f"Viewing data as {user}")
for row in results:
st.write(row)
3. 執行應用程式：
在 Cloud Shell 終端機中從新專案目錄內執行下列指令：
streamlit run app.py --server.port 8080 --server.enableCORS false
常見錯誤與疑難排解
連線集區。 | 風險：如果您使用連線集區，工作階段變數 SET app.active_user 可能會保留在連線上，並「洩漏」給下一個取得該連線的使用者。修正方式：在正式環境中，將連線傳回集區時，請一律使用 RESET app.active_user 或 DISCARD ALL。 |
Cloud Shell 顯示空白畫面。 | 修正方式： 使用通訊埠 8080 的「網頁預覽」按鈕。請勿點選終端機中的 localhost 連結。 |
8. 驗證零信任
試用應用程式，確保零信任架構導入成功：
選取「Alice」：她應該會看到 1 列 (自己)。
選取「Bob」：他應該會看到 3 列 (所有人)。
這對 AI 代理程式有何重要性
假設您要將模型連結至這個資料庫，如果使用者要求模型「總結所有績效評估」，模型會產生 SELECT performance_review FROM employees。
- 沒有 RLS：模型會擷取所有人的私人評論，並洩漏給 Alice。
- 使用 RLS：模型會執行完全相同的查詢，但資料庫只會傳回 Alice 的評論。
這就是零信任 AI。您不信任模型會篩選資料，因此強制資料庫隱藏資料。
將此項目移至正式版
這裡展示的架構屬於正式版，但為了方便學習，具體實作方式已簡化。如要在實際的企業環境中安全部署這項功能，請實作下列強化措施：
- 實際驗證：將「身分切換器」下拉式選單換成強大的身分識別提供者 (IDP)，例如 Google Identity Platform、Okta 或 Auth0。應用程式應先驗證使用者的權杖並安全地擷取身分，再設定資料庫工作階段變數，確保使用者無法偽造身分。
- 連線集區安全：使用連線集區時，如果處理方式不正確，工作階段變數有時可能會在不同使用者要求之間持續存在。請確保應用程式會重設工作階段變數 (例如 RESET app.active_user) 或在將連線傳回集區時清除連線狀態，避免使用者之間發生資料外洩。
- 密鑰管理：硬式編碼資料庫憑證會造成安全風險。使用 Google Secret Manager 等專用密鑰管理服務，在執行階段安全地儲存及擷取資料庫密碼和連線字串。
9. 清除所用資源
完成本實驗室後，別忘了刪除 AlloyDB 叢集和執行個體。
這項作業應會清除叢集及其執行個體。
10. 恭喜
恭喜！您已成功將安全性下推至資料層。即使 Python 程式碼有嘗試 print(all_salaries) 的錯誤，資料庫也不會傳回任何內容給 Alice。
後續步驟
- 請使用自己的資料集試試看。
- 請參閱 AlloyDB AI 說明文件。
- 如要參加更多工作坊，請前往 Code Vipassana 網站。